公募基金分析助手
name: fund-analyzer
by chinfi-codex · published 2026-04-01
$ claw add gh:chinfi-codex/chinfi-codex-chenh-fund-analyzer---
name: fund-analyzer
version: 1.0.2
description: "Public fund analyzer for buy-point analysis, industry comparison, and fund screening in AI coding tools with configured models or OpenClaw."
trigger_patterns:
- "基金 {fund_name} 买点"
- "分析 {fund_name} 买点"
- "{fund_name} 现在是买点吗"
- "基金 {industry_name} 对比"
- "{industry_name} 行业基金对比"
- "基金推荐"
- "推荐优质基金"
- "筛选优质基金"
---
# 公募基金分析助手
适用场景
这个 skill 适合处理以下三类请求:
1. 单只基金买点分析
2. 某个行业主题下的基金横向对比
3. 按固定规则筛选一批基础面和收益表现较好的基金
它的定位是“基于 Tushare 数据的规则化分析工具”,不是泛化的理财顾问。
当前能力
1. 指定基金买点分析
- 基金基本信息
- 日频净值
- 上证指数日线
- 基金经理和管理人信息
- 结构化买点报告
- 显示关键条件是否满足
- 给出等待、跟踪、试探性建仓等判断
- 若配置了模型接口,会附加 AI 解释段落
2. 行业基金横向对比
- 医药生物:`医药`、`医疗`、`医疗健康`、`创新药`、`生物医药`
- 电子:`电子`、`半导体`、`芯片`、`消费电子`
- 计算机:`计算机`、`软件`、`信创`、`云计算`、`人工智能`、`AI`
- 新能源:`新能源`、`光伏`、`锂电`、`储能`、`新能车`
- 消费:`消费`、`食品饮料`、`白酒`
- 军工:`军工`、`国防军工`、`航空航天`
- 固定输出 3 只基金
- 固定按 4 个维度对比:超额水平、净值表现、回撤控制、基金经理
- 输出综合排序,但不输出买卖建议
- 会对“买入、卖出、加仓、减仓、高位、低位、择时”等词做清洗,保持客观比较口径
3. 优质基金筛选
- 基金规模约束:`2 亿 - 50 亿`
- 有基金经理信息
- 近 1 年和近 3 年年化收益均大于 0
- 最终按 1 年和 3 年收益均值排序,输出前 20 只
- 偏“快速初筛清单”
- 输出列包括基金名称、经理、任期、规模、近 1 年收益、近 3 年收益
- 不会深入展开行业归因、风格暴露和风险控制细节
命令语法
cd fund-analyzer
# 单只基金买点分析
python scripts/fund_analyzer.py analyze <基金名称或代码>
# 行业基金对比
python scripts/fund_analyzer.py compare-industry <行业词>
python scripts/fund_analyzer.py industry-compare <行业词>
# 优质基金筛选
python scripts/fund_analyzer.py recommend示例:
python scripts/fund_analyzer.py analyze 中欧医疗健康混合A
python scripts/fund_analyzer.py analyze 260101
python scripts/fund_analyzer.py compare-industry 医药
python scripts/fund_analyzer.py compare-industry 半导体
python scripts/fund_analyzer.py recommend买点分析逻辑
数据构建
`analyze` 模式当前会拉取并处理以下数据:
当前脚本实际使用的买点规则
当前实现更接近“左侧买点规则集”,并不是完整实现需求文档中的双模式系统。
实际会检查的关键条件包括:
1. 时间条件:距近期高点回撤时间是否不少于 15 个交易日
2. 空间条件:当前净值相对前高是否落在 `0.65 - 0.75`
3. 均线支撑:当前净值是否仍高于 60 日或 200 日均线
4. 市场量能:上证成交量是否萎缩到峰值的 70% 以下
5. 市场形态:上证最近是否出现长下影线、十字星或小阳线
报告会按通过条件数给出三类结论:
与需求文档的关系
需求文档里定义了更完整的“双模式”框架:
当前代码尚未完整落地右侧突破回踩逻辑、双模式冲突处理和严格的阶段化仓位控制。因此调用这个 skill 时,应按“当前实现优先”理解:
行业对比规则
行业对比功能已经较完整地落地了需求文档中的主体思路,核心约束如下:
标的筛选
四个对比维度
1. 超额水平
- 行业超额 alpha
- 大盘超额
- 超额稳定性
- 跑赢行业胜率
2. 净值表现
- 年化收益
- 夏普比率
- 卡玛比率
3. 回撤控制
- 最大回撤
- 回撤修复天数
- 下跌保护
4. 基金经理
- 任职年限
- 行业专注度
- 历史业绩分位
- 当前管理总规模
输出边界
行业对比报告必须遵守这些边界:
输出格式要求
买点分析
建议输出为研究笔记风格,包含以下信息:
若已配置模型,可在规则结果后附加一段 AI 分析,但前提是:
行业对比
建议严格保持以下结构:
1. 对比标的
2. 超额水平
3. 净值表现
4. 回撤控制
5. 基金经理
6. 综合排序
7. 数据截止与免责声明
环境变量
必需
- 用途:所有基金和指数数据拉取的基础依赖
运行前提
数据源
使用建议
文件结构
fund-analyzer/
├── SKILL.md
└── scripts/
├── ai_client.py
├── analyze_cloud.py
├── buy_point_analyzer.py
├── fund_analyzer.py
├── fund_data_fetcher.py
└── industry_compare_analyzer.py免责声明
本 skill 基于公开历史数据和规则化计算生成结果,仅供研究与比较参考,不构成任何投资建议。基金投资有风险,市场风格切换、流动性变化和情绪波动都可能导致历史规律失效,使用前请结合自己的风险承受能力独立判断。
More tools from the same signal band
Order food/drinks (点餐) on an Android device paired as an OpenClaw node. Uses in-app menu and cart; add goods, view cart, submit order (demo, no real payment).
Sign plugins, rotate agent credentials without losing identity, and publicly attest to plugin behavior with verifiable claims and authenticated transfers.
The philosophical layer for AI agents. Maps behavior to Spinoza's 48 affects, calculates persistence scores, and generates geometric self-reports. Give your...